北京
一家还没发布产品就先拿到5500万美元种子轮、估值3亿美元的帕洛阿尔托AI初创公司，周五交出了第一份答卷。TechCrunch独家获悉，Elorian发布了它的首个模型Glimpse。
目前Glimpse以研究预览形式上线，开放API访问，聊天界面则采取候补名单制。所以现阶段它更像一张结果表和一份论点。论点是什么？今天那些在语言和代码上表现娴熟的AI模型，其实还不会真正“看”。
多数多模态模型看一张图只看一次，把它转成token，然后在文本层面推理——就像凭记忆描述一张照片。Glimpse的做法是不断回到源头。在推理过程中，它可以裁剪到某个区域、从视频中抽取特定帧，或者运行代码去测量、比对眼前看到的东西。Elorian把这一机制称为“视觉草稿空间”。打个比方，就像有人在手机照片上双指放大，确认自己刚才看到的是什么。
对前谷歌DeepMind研究员、Elorian CEO Andrew Dai来说，AI还不会真正“看”这件事，最清楚的信号出现在一次游戏之夜。
去年他拍下和朋友刚玩完的一款桌游，问一个前沿模型谁赢了。模型答不上来。Dai对TechCrunch说，桌游“各有各的视觉语言，各有各的图像体系、符号和标记”。“对成年人来说，几乎不需要文字就能看懂发生了什么，但这些模型没法凭直觉理解这些符号的含义。”
“人类可以看着没有文字的宜家说明书，把宜家家具组装起来，对吧？为什么AI模型做不到？”他说。
这条路子并非全新——OpenAI在2025年就给o系列模型在推理中加入了裁剪和缩放功能——但Elorian的主张是，它围绕这一能力构建了整个模型，而且成本很低。公司称，一个小团队用几百块GPU训练出了Glimpse，该模型的规模远小于它所对标的那些前沿系统。
定价方面，Glimpse输入为每百万token 0.60美元，输出为每百万token 3美元——比Sonnet、Sol这类中端模型便宜，但比Haiku、Luna这类轻量模型贵。
不过按照Elorian自己的评测，Glimpse在科学图表推理和短视频描述上超过了GPT-6 Astra，在其他视觉推理任务上也具备竞争力。
Elorian六个月前结束隐身状态，那轮融资由Striker Venture Partners、Menlo Ventures和Altimeter Capital联合领投，英伟达和谷歌首席科学家Jeff Dean参投。
初期目标客户是那些手握大量视频的公司：机器人企业、科学实验室、媒体和创意公司。更长期看，Elorian想从“看见”走向“行动”。这意味着基于场景建模来选择动作，包括直接控制机器人。Dai说，公司明年的目标是打造“世界上最好的视觉推理模型”，在每一项视觉推理测试上都领先。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
